数据集概述
本数据集为论文“A descriptor-free machine learning framework to improve antigen discovery for bacterial pathogens”配套数据，包含无描述符机器学习框架所需的原始序列、注释序列、PSE及描述符数据，支持细菌病原体抗原发现研究，存储为单个ZIP压缩文件。
文件详解
- 压缩包文件
- 文件名称：data.zip
- 文件格式：ZIP
- 解压后内容：
- 原始序列（FASTA格式）：位于data/fasta目录，含benchmark（test/test.fasta、training/negative.fasta、training/positive.fasta）和lobo（negative.fasta、positive.fasta）子目录
- 注释序列（PARQUET格式）：位于data/descriptors目录，含lobo/test（对应10种细菌的.parquet文件）、lobo/training（negative.parquet、positive.parquet）子目录
- PSE数据（PARQUET格式）：位于data/pses目录，含benchmark（test/test.parquet、training/negative.parquet、training/positive.parquet）和lobo（test对应10种细菌的.parquet文件、training/negative.parquet、training/positive.parquet）子目录
数据来源
论文“A descriptor-free machine learning framework to improve antigen discovery for bacterial pathogens”
适用场景
- 抗原发现模型训练: 利用FASTA原始序列和PARQUET注释数据训练无描述符机器学习模型
- 细菌病原体抗原筛选: 通过lobo/test目录的PARQUET文件筛选特定细菌（如脑膜炎奈瑟菌、肺炎链球菌）的候选抗原
- 机器学习框架验证: 使用benchmark目录的训练/测试数据验证无描述符框架的性能
- 生物信息学特征分析: 分析PSE及描述符数据中的抗原相关特征模式
